Nicht-invasive Bestimmung des portosystemischen Druckgradienten nach TIPS-Implantation mittels 4D Fluss MRT und numerischer Strömungssimulation

Projekt 04FMTHH19

Nicht-invasive Bestimmung des portosystemischen Druckgradienten nach TIPS Implantation mittels 4D Fluss MRT und numerischer Strömungssimulation

Ausgangssituation

Die Leberzirrhose, als Endstadium aller chronischen Lebererkrankungen, geht mit einer hohen Morbidität und Mortalität einher. Schätzungsweise sind in Deutschland etwa 1 Millionen Menschen von einer Leberzirrhose betroffen.

Die Grundlage einer Leberzirrhose ist der Untergang des normalen Lebergewebes und dessen Ersetzung durch Narbengewebe. Die Folge des narbigen Umbaus ist eine gestörte Durchblutung der Leber mit Steigerung der Blutdruckdifferenz zwischen Pfortader und der unteren Hohlvene. Die Erhöhung dieses sogenannten portosystemischen Druckgradienten (portaler Hypertonus) ist die Ursache der meisten Komplikationen der Leberzirrhose wie Blutungen aus Krampfadern der Speiseröhre (Ösophagusvarizen) und der Entstehung von Bauchwasser (Aszites). In diesem Fall ist die Anlage eines transjugulären intrahepatischen portosystemischen Shunts (TIPS) inzwischen Therapie der ersten Wahl. Es erfolgt die minimal-invasive Implantation eines beschichteten Stents von einer Lebervene ausgehend in die Pfortader, wodurch das gestaute Pfortaderblut direkt in den systemischen Blutkreislauf zurückgeführt und dadurch der portale Hypertonus gesenkt wird. Die TIPS-Anlage führt in vielen Fällen zu einer erfolgreichen Kontrolle des Aszites und erhöht die Überlebenswahrscheinlichkeit der Patienten. Dennoch kommt es bei einem Teil der Patienten zu einem komplikativen Verlauf nach TIPS-Anlage mit dem Wiederauftreten des Aszites aufgrund einer unzureichenden Senkung des portalen Hypertonus. In diesem Fall stellt eine invasive Blutdruckmessung momentan die einzige valide Möglichkeit zur diagnostischen Sicherung eines weiterhin erhöhten Blutdrucks in der Pfortader dar. Hierzu wird im Rahmen eines angiographischen Eingriffs ein Katheter über eine Halsvene eingebracht und über die untere Hohlvene in den Lebergefäßen zur Druckmessung platziert. Die Risiken eines solchen invasiven Eingriffs umfassen unter anderem schwere Komplikationen wie Infektionen, eine allergische Reaktion auf das notwendige Kontrastmittel sowie Verletzungen von Herz, Leber, Gallenwegen und Blutgefäßen.

Zielsetzung

Die vierdimensionale Fluss Magnetresonanztomographie (4D Fluss MRT) stellt eine neue MRT-Technik zur detaillierten Analyse von Blutflussprofilen im menschlichen Körper dar. Diese Technik ermöglicht die zeitlich aufgelöste Strömungsdarstellung in einem dreidimensionalen Volumen, sodass Flussgeschwindigkeiten sowie Volumenströme der erfassten Blutgefäße in jeder beliebigen Ebene quantifiziert werden können (Abbildung 1).

Numerische Strömungssimulationen dienen der approximativen Lösung strömungsmechanischer Probleme. Mithilfe solcher Simulationen lassen sich neben den Strömungsgeschwindigkeiten auch die Druckverhältnisse in beliebigen Geometrien, z.B. Blutgefäßen, bestimmen.

Ziel dieser interdisziplinären Studie ist die Entwicklung einer nicht-invasiven Methode zur Bestimmung des portosystemischen Druckgradienten in Patienten mit Leberzirrhose nach TIPS-Implantation mithilfe einer Kombination aus 4D Fluss MRT und numerischer Strömungssimulation als Alternative zur risikobehafteten invasiven Blutdruckmessung.

Abbildung 1: Exemplarische Darstellung der Blutgefäßanatomie und der Blutflüsse im Oberbauch eines Patienten mit TIPS

Vorgehensweise

Bei Patienten mit TIPS wird eine 4D Fluss MRT durchgeführt und der Blutfluss im TIPS sowie in der unteren Hohlvene quantifiziert. Aus Schnittbildern der MRT-Untersuchung erfolgt die Segmentierung der dreidimensionalen Blutgefäßstrukturen. Mithilfe dieses 3D-Modells wird ein Rechengitter für die Strömungssimulationen erzeugt. Nach dieser Vernetzung und der Festlegung von Randbedingungen erfolgt die numerische Strömungssimulation. Hiermit lässt sich der portosystemische Druckgradient zur nicht-invasiven Beurteilung eines eventuell persistierenden portalen Hypertonus berechnen. Es werden Patienten einbezogen, welche aus klinischer Indikation ebenfalls eine invasive Messung des portosystemischen Blutdrucks erhalten. Die Beurteilung der entwickelten Methodik erfolgt durch Korrelation des mittels 4D Fluss MRT und Strömungssimulation bestimmten portosystemischen Druckgradienten mit dem Ergebnis der invasiven Blutdruckmessung als Referenzstandard.


Beteiligte

Dr. med. Christoph Riedel

Wissenschaftlicher Mitarbeiter / Arzt

Klinik und Poliklinik für diagnostische und interventionelle Radiologie und Nuklearmedizin

Universitätsklinikum Hamburg-Eppendorf

PD Dr. med. Peter Bannas

Leitender Oberarzt / Facharzt für Radiologie

Klinik und Poliklinik für diagnostische und interventionelle Radiologie und Nuklearmedizin

Universitätsklinikum Hamburg-Eppendorf

Dr.-Ing. Marko Hoffmann

Oberingenieur

Institut für Mehrphasenströmungen (V-5)

Technische Universität Hamburg

Prof. Dr.-Ing. habil. Michael Schlüter

Institutsleiter

Institut für Mehrphasenströmungen (V-5)

Technische Universität Hamburg


Publikationsliste

20XX

  • M. Bengs, S. Westermann, N. Gessert, D. Eggert, A. O. H. Gerstner, N. A. Mueller, C. Betz, W. Laffers, A. Schlaefer (2020). Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection. SPIE Medical Imaging 2020: Computer-Aided Diagnosis. in print.


CHARLIE - Entwicklung einer Methode für die Qualitätssicherung in der fokalen Strahlentherapie des Prostata-Karzinoms

Projekt 03FMTHH19

CHARLIE - Entwicklung einer Methode für die Qualitätssicherung in der fokalen Strahlentherapie des Prostata-Karzinoms

Ausgangssituation

In Zusammenarbeit mit der Klinik für Strahlentherapie und Radioonkologie am Universitätsklinikum Eppendorf (UKE) sowie der Martini-Klinik (Prostatakrebszentrum Hamburg-Eppendorf) am UKE wird das Projekt CHARLIE durchgeführt.

Das Prostatakarzinom ist eine der häufigsten Krebserkrankungen des Mannes. Als Alternative zu einer operativen Entfernung der Prostata bietet sich in vielen Fällen die Strahlentherapie an.

In den letzten Jahren wurde untersucht, ob eine zusätzliche Schonung des gesunden Gewebes und eine Verbesserung des Gesamtüberlebens durch die gezielte Bestrahlung des Tumors innerhalb der Prostata erreicht werden kann (fokalen Strahlentherapie).

Eine Herausforderung stellen die häufig verwendeten bildgebenden Verfahren, wie Computertomographie (CT) und transrektaler Ultraschall (TRUS), welche im Bereich der Prostata schlechte Kontrastdarstellungen aufweisen und die Anwendung von Magnetresonanz-Tomographie (MRT)-Aufnahmen erfordern. Ziel dieses Projekts ist deshalb die Entwicklung von Methoden zur Qualitätssicherung des gesamten Ablaufs bei der fokalen Strahlentherapie.

Zielsetzung

Ziel des Projekts CHARLIE ist die Entwicklung einer Methode für die Qualitätssicherung in der fokalen Strahlentherapie des Prostata-Karzinoms. Zur klinischen Implementierung dieser Technik sollen die Integrationsmöglichkeiten von MRT- und FGB-Befunden in die Bestrahlungsplanung analysiert werden. Die zu bestrahlende Prostata-Läsionen (pathologische Veränderungen) werden hierfür anhand von individuellen multi-parametrischen MRT-Bildern und den räumlich zugeordneten, positiven Biopsie-Stanzen definiert.

Vorgehensweise

Im Rahmen des Projekts soll ein Algorithmus für eine Anatomie-basierte Konturierung der Tumorregion entwickelt werden. Mithilfe des Algorithmus werden die Prostata und die intraprostatischen Zonen nach der Zonenanatomie von McNeal segmentiert. Im Anschluss wird die Segmentierung mittels einer elastischen MRT-CT-Bild-Registrierung automatisch an die individuelle Patienten-Anatomie angepasst, sodass die individuellen Biopsie-Daten zu jeder Prostatazone zugeordnet werden können. Diese angepasste Konturierung der Tumorregion ermöglicht eine personalisierte, fokale Strahlentherapie des Prostatakarzinoms unter Berücksichtigung von patientenspezifischen Informationen.

Abschließend sollen die Anwendung in einem in einem physischen Modell (Phantom) validiert werden. Das bereits in vorherigen Arbeiten entwickelte Prostata-Phantom wird angepasst um eine Qualitätssicherung des gesamten Ablauf der individualisierten fokalen Strahlentherapie des Prostatakarzinoms durchzuführen. Dies beinhaltet u.a. die Zielvolumendefinition, Bestrahlungsplanung, Bildführung zur Lokalisation der Prostata und intraprostatischen Läsionen sowie die Dosisbestimmung in den Läsionen.


Beteiligte

Johanna Spallek, M.Sc.
Projektbearbeitung
Institut für Produktentwicklung und Konstruktionstechnik
TUHH

M.Sc. Marie Wegner

Projektleitung

Institut für Produktentwicklung und Konstruktionstechnik
TUHH

Dr. Elisabetta Gargioni 

Klinik für Strahlentherapie und Radioonkologie am Universitätsklinikum Hamburg-Eppendorf (UKE)

PD Dr. Lars Buddäus
Martini-Klinik Prostatakrebszentrum Hamburg-Eppendorf am Universitätsklinikum Eppendorf (UKE)

Dr. Anne Knipper


Publikationsliste


Entwicklung eines Virtuelle Realität (VR)-basierten Trainings für ältere Patienten mit erhöhtem Frakturrisiko zur Prävention von Stürzen und Verbesserung der Balancefähigkeit im Alter

Projekt 02FMTHH19

Entwicklung eines Virtuelle Realität (VR)-basierten Trainings für ältere Patienten mit erhöhtem Frakturrisiko zur Prävention von Stürzen und Verbesserung der Balancefähigkeit im Alter

Ausgangssituation

Die Prävention von Stürzen und damit verbundene Begleitverletzungen wie beispielsweise der medialen Schenkelhalsfraktur ist für unsere alternde Gesellschaft von hoher Bedeutung. Dies ist unter Beachtung einer hohen Osteoporose-Last mit einer einhergehenden Schwächung des Knochens und seiner Widerstandsfähigkeit gegen Traumata von besonderer Wichtigkeit.

Die Körperkontrolle und -koordination hat neben der Knochenmasse, -struktur und -qualität einen großen Einfluss auf die Vermeidung von Frakturen, da so die Fallgeschehen selbst vermieden werden können. Zusätzliche, wichtige Faktoren stellen die Körperfett- und Muskelmasse dar, welche zum einen Last und Bewegungsabläufe begrenzen und zum anderen die Fähigkeiten zur schnellen Reaktion ermöglichen. Mit zunehmendem Alter lässt sich eine Abnahme sowohl der körperlichen Aktivität als auch der visuellen und vestibularen Fähigkeiten feststellen, welche mit einer Abnahme der Körperkontrolle und einer erhöhten Sturzzahl bei posturaler Instabilität durch Balance-Probleme verbunden sind. Eine gute Körperkontrolle lässt sich aber erhalten, bzw. trainieren. Größtenteils werden im klinischen Alltag Fähigkeiten zur Fallprophylaxe durch eine gezielte Physiotherapie oder ein Fallpräventionsprogramm (Gehtraining) adressiert. Neuere Erkenntnisse weisen allerdings darauf hin, dass ein spezielles Training mittels virtueller Realität (VR) bei alten Menschen sowohl ihre Stimmung hebt als auch die Balancefähigkeit und Körperkontrolle signifikant verbessert. Damit zeichnet sich bereits ab, dass die VR ein enormes Potential für individualisierte, patientenzentrierte Medizin bietet. Dies trifft insbesondere für die Telemedizin zu. Gerade in ländlichen Regionen besteht die Gefahr von medizinischer Unterversorgung von Patientengruppen mit alters-assoziierten Beschwerden. Unter Beachtung dieser Gegebenheiten wird klar, dass ein effektives und möglichst mobiles Training mit hoher Repititionsrate besonders kosten- und personalneutral mittels virtueller Realität adressiert werden kann. Dieses Herangehen kann weiterhin Lücken schließen, die das Medizinsystem momentan offen lässt, beispielsweise nach einer Anschlussheilbehandlung.

Zielsetzung

Ziel des Projektes ist die Etablierung und klinische Erprobung eines Patiententrainings mittels Methoden der virtuellen Realität (VR). Hierbei wird moderne Technik in Form einer Augmented-Reality-Brille angewandt. Im Fokus stehen Patienten der osteologischen Ambulanz, welche durch eine niedrige Knochenmasse auffielen und somit Hochrisikopatienten für Frakturen darstellen. Besonders bei geminderter Knochenmasse ist die Sturzprophylaxe zur Frakturprävention immanent wichtig. Im Vordergrund steht die Verbesserung der Raumorientierung, Balance und Körperkontrolle und somit ein vermindertes Sturzrisiko. Von besonderem Interesse ist zudem die Erfassung des Gesundheitsstatus und quantitative Auswertung der klinischen Daten. Das Trainingsszenario soll  auch mobil einsetzbar sein und in Rückkopplung mit einem Trainingsgerät arbeiten. So kann die Patientenleistung vermessen werden und Adaptionsfortschritte verglichen werden. Wir wollen durch VR-basiertes Training die Patientenbetreuung in häuslicher Umgebung, sowie in ländlichen Regionen verbessern, um das Sturzrisiko älterer und alter Patienten zu mindern. Die VR soll somit das Training zur Vermeidung von Stürzen auch dann ermöglichen, wenn Versorgungsengpässe zum Ausbleiben präventiver, physiotherapeutischer Maßnahmen führen.

Abbildung 1: Bildausschnitt der Trainingsstrecke in der Form einer alpinen Skiabfahrt. Die Bäume stellen hier die Hindernisse dar, welchen durch Körperhaltungen ausgewichen werden muss. Gleichzeitig motivieren Icons (blaue Kästchen) zu zusätzlichen Bewegungen, indem der Spieltrieb angesprochen wird, möglichst schnell viele dieser Kästen zu durchfahren.

Vorgehensweise

Vorgesehen ist die Entwicklung einer VR-Umgebung mit Programmierung eines Belohnungssystems, welche das Training des Gleichgewichtssinns sowie die Körperkontrolle adressiert (Abb. 1). Hierbei soll eine Verbindung mit klinischen Evaluationsgeräten erfolgen, um damit sowohl dem Patient als auch dem Behandler direktes Feedback über die Fähigkeiten und Verbesserung zu ermöglichen. Dabei gliedert sich das Projekt in mehrere Meilensteine.  Anschließend erfolgt eine Translation in die klinische Anwendung.


Beteiligte

Dr. rer. nat. Felix N. Schmidt, M.Sc.

Heisenberg Forschungsgruppe Knochenmaterialqualität (Busse Lab)

Institut für Osteologie und Biomechanik (IOBM) 

UKE


Publikationsliste


Verbesserte Diagnostik von Tumoren des oberen Luft-Speisewegs durch Kombination von hyperspektraler Bildgebung mit Methoden der künstlichen Intelligenz

Projekt 01FMTHH19

Verbesserte Diagnostik von Tumoren des oberen Luft-Speisewegs durch Kombination von hyperspektraler Bildgebung mit Methoden der künstlichen Intelligenz

Ausgangssituation

Bisher gibt es kein adäquates Screeningverfahren zur Früherkennung von Malignomen des oberen Luft-Speisewegs, die in ihrer Gesamtheit die sechst-häufigste Tumorentität beim Menschen ausmachen. Dies führt nicht selten zu einer Diagnoseverzögerung mit konsekutiver Verschlechterung der Prognose. Im weiteren Verlauf entstehen hierdurch erhöhte Kosten für das Gesundheitssystem in Bezug auf Nachsorge und Rehabilitation (Kujan et al., 2007).

Hyperspektrales Imaging (HSI) ist eine Methode zur quantitativen und objektiven Oberflächenanalyse und findet seit einigen Jahren Anwendung in der Biomedizin (Harris, 2006). Dabei werden Gewebeoberflächen mit weißem Licht beleuchtet. Das reflektierte Licht wird mit Hilfe von Spezialkameras in 10-30 engbandige Spektralkanäle (Bandbreite pro Kanal 5-20nm) zerlegt und als Bildstapel bestehend aus Graustufenbildern aufgenommen. Aufgrund des Umfangs und der Komplexität der Datensätze ist die direkte Interpretation der HSI-Bildstapel durch den Untersucher kaum möglich. Es konnte jedoch gezeigt werden, dass Computeralgorithmen, welche die Methoden des maschinellen Lernens (speziell neuronale Netze) nutzen, eine objektive Analyse von HSI-Datensätzen und damit eine Gewebedifferenzierung ermöglichen.

Zielsetzung

Im Rahmen dieses FMTHH-Projekts soll als Pilotstudie ein hyperspektrales Screeningsystem entwickelt werden, welches die automatisierte Beurteilung von Schleimhäuten im oberen Hals- Rachenraum ermöglicht. In diesem Screeningsystem soll ein Computeralgorithmus automatisiert Tumorgewebe, Tumorvorstufen und gutartiges Gewebe in HSI-Datensätzen von Schleimhäuten aus dem oberen Hals- Rachenraum erkennen und markieren. Zukünftig könnte ein solches Screeningsystem die oben beschriebenen Zeitverzögerungen bei der Diagnosefindung von Patienten mit Malignomen des oberen Luft-Speisewegs erheblich reduzieren und somit die Prognose der Erkrankungen verbessern.

Nach Integration einer HSI-Kamera in ein Endoskop (AP1) werden vor geplanten Tumoroperationen von den Patienten hyperspektrale Aufnahmen des oberen Luft-Speisewegs angefertigt (AP2). Es erfolgt eine manuelle Klassifizierung des Gewebes durch einen erfahrenen Arzt (AP2). Mit Hilfe einer genügend großen Anzahl (n>50) von HSI-Datensätzen wird ein CNN trainiert, automatisiert Tumorgewebe, Tumorvorstufen und gutartiges Gewebe in hyperspektralen Datensätzen zu erkennen und hervorzuheben. Dabei wird auch auf die manuell durch einen Arzt annotierten Daten zurückgegriffen (AP3). Final wird die Sensitivität und die Spezifität der CNNs berechnet (AP4).

Vorgehensweise

Zum Projektstart soll zunächst eine HSI-Kamera für das fmthh-Labor angeschafft werden, die geeignet ist, hyperspektrale Bilddaten des oberen Luft-Speisewegs im klinischen Alltag zu generieren. Mit Hilfe der HSI-Kamera können hyperspektrale Bilddatensätze von großen Schleimhautarealen bei Patienten aufgenommen werden. Parallel erfolgt die Aufnahme eines Farbbildes, in welchem vom behandelnden Arzt die Tumorareale markiert werden.

Zur Auswertung der Datensätze soll ein Algorithmus basierend auf convolutional neural networks (CNNs) entwickelt und trainiert werden, welcher automatisiert Tumorgewebe, Tumorvorstufen und gutartiges Gewebe in hyperspektralen Datensätzen erkennt und hervorhebt. Dazu kann zunächst auf bereits bestehende HSI-Datensätze aus früheren Arbeiten zurückgegriffen werden. Die neu aufgenommenen HSI- Datensätze werden direkt in das Training der neuronalen Netze einbezogen. Ziel ist es während des Projektes eine genügend große Anzahl von Datensätzen (n>50) für das Training der neuronalen Netze zu generieren. Zur Optimierung des Algorithmus erfolgt fortlaufend ein Abgleich der erzielten Klassifizierungsergebnisse mit den durch die HNO-Ärzte klassifizierten Daten. Final erfolgt die Beurteilung der Güte der Klassifikationsergebnisse des neu entwickelten Verfahrens.
Mit der Weiterentwicklung der HSI-Technologie und der Integration in bestehende Anwendungen besteht das Potenzial, dass das zu entwickelnde System eine Vielzahl von endoskopischen Eingriffen als Standardkomponente unterstützen kann.


Beteiligte

Dr. rer. nat. Dennis Eggert

Projekttleitung
Klinik und Poliklinik für Hals-, Nasen- und Ohrenheilkunde
UKE

Dr. med. Julian Berwarder

Klinische Betreuung des Projekts
Klinik und Poliklinik für Hals-, Nasen- und Ohrenheilkunde
UKE

M.Sc. Sarah Latus

Projektleitung
Institut für Medizintechnische und Intelligente Systeme
TUHH

M.Sc. M.A. Marcel Bengs

stellv. Projektleitung, Entwicklung der Methoden des Maschinellen Lernens
Institut für Medizintechnische und Intelligente Systeme
TUHH


Publikationsliste

2020

  • M. Bengs, S. Westermann, N. Gessert, D. Eggert, A. O. H. Gerstner, N. A. Mueller, C. Betz, W. Laffers, A. Schlaefer (2020). Spatio-spectral deep learning methods for in-vivo hyperspectral laryngeal cancer detection. SPIE Medical Imaging 2020: Computer-Aided Diagnosis. in print.